manatee

judul	emoji	warna dari	Colorto	SDK	SDK_VERSION	app_file	disematkan	lisensi	short_description
Manatee (LM): Analisis Pasar Berdasarkan Arsitektur Model Bahasa	?	biru	merah	gradio	4.22.0	app.py	BENAR	Apache-2.0	Analisis Pasar Berdasarkan Arsitektur Model Bahasa

Manatee (LM): Analisis Pasar Berdasarkan Arsitektur Model Bahasa

Proyek ini berfokus pada mempekerjakan LLM untuk menganalisis data deret waktu untuk keperluan peramalan, berdasarkan pada makalah "Chronos: Learning the Language of Time Series" dari Amazon Web Services dan teknologi optimasi rantai pasokan Amazon. Proyek Manatee dirancang untuk mengambil, menghitung, dan memplot data historis untuk sekuritas keuangan, memanfaatkan API dari Alpaca dan kekuatan kutub dan plotly untuk manipulasi dan visualisasi data. Dengan fitur -fitur seperti menghitung rata -rata bergulir dan Indeks Kekuatan Relatif (RSI), alat ini juga membantu dalam menganalisis kinerja saham dan aset crypto sebelumnya.

Dari sumber:

Dalam karya ini, kami mengambil langkah mundur dan bertanya: Apa perbedaan mendasar antara model bahasa yang memprediksi token berikutnya, dan model peramalan deret waktu yang memprediksi nilai -nilai berikutnya? Terlepas dari perbedaan yang jelas - token dari kamus yang terbatas versus nilai -nilai dari domain yang tidak terbatas, biasanya kontinu - keduanya berusaha secara fundamental bertujuan untuk memodelkan struktur berurutan dari data untuk memprediksi pola di masa depan. Bukankah seharusnya model bahasa yang baik “hanya bekerja” pada rangkaian waktu? Pertanyaan naif ini mendorong kita untuk menantang perlunya modifikasi spesifik-seri-waktu, dan menjawabnya membuat kita mengembangkan Chronos, kerangka kerja pemodelan bahasa minimal diadaptasi untuk peramalan deret waktu. Chronos tokenizes rangkaian waktu menjadi tempat sampah diskrit melalui penskalaan sederhana dan kuantisasi nilai -nilai nyata. Dengan cara ini, kita dapat melatih model bahasa di luar rak pada "bahasa rangkaian waktu" ini, tanpa perubahan pada arsitektur model. Hebatnya, pendekatan langsung ini terbukti efektif dan efisien, menggarisbawahi potensi arsitektur model bahasa untuk mengatasi berbagai masalah deret waktu dengan modifikasi minimal. [...]

Dependensi

Perpustakaan digunakan:

1. json : Perpustakaan Python bawaan untuk parsing data JSON. Tidak perlu pemasangan.

2. datetime & time : Perpustakaan Python bawaan untuk menangani tanggal dan waktu. Digunakan di sini untuk mendefinisikan kerangka waktu untuk pengambilan data. Tidak diperlukan instalasi.

3. plotly (AS px ): Menyediakan antarmuka yang mudah digunakan untuk plotly, yang digunakan untuk membuat plot interaktif. Instal via PIP:

   pip3 install plotly

4. polars (AS pl ): Perpustakaan DataFrames Cepat Ideal untuk Data Seri-Waktu Keuangan. Instal menggunakan PIP:

   pip3 install polars

5. alpaca-py : Perpustakaan Python untuk API Alpaca. Ini menyediakan akses ke data historis/data crypto dan operasi perdagangan. Instal menggunakan PIP:

   pip3 install alpaca-trade-api

Panduan Instalasi

Untuk menginstal semua dependensi, Anda dapat menggunakan perintah berikut:

pip3 install plotly polars alpaca-py transformers gradio spaces

Catatan: Pastikan Anda menginstal python pada sistem Anda sebelum melanjutkan dengan pemasangan perpustakaan ini.

Praktik terbaik

• Manajemen Kunci API : Untuk alasan keamanan, hindari kode -kunci Hardcoding Anda ke dalam skrip. Pertimbangkan untuk menggunakan variabel lingkungan atau layanan lemari besi yang aman.

• Privasi Data : Saat menangani data keuangan, penting untuk mematuhi peraturan perlindungan data (seperti GDPR, CCPA). Pastikan Anda memiliki hak untuk menggunakan dan membagikan data yang diambil melalui alat ini.

• Penanganan kesalahan : Skrip mencakup penanganan kesalahan dasar, tetapi untuk penggunaan produksi, pertimbangkan untuk menerapkan blok percobaan yang lebih komprehensif untuk menangani kesalahan jaringan, pengecualian batas API, dan inkonsistensi data.

• Merencanakan pertimbangan : Alat ini menggunakan plotly untuk visualisasi, yang sangat fleksibel tetapi dapat menjadi sumber daya yang intensif untuk set data besar. Untuk menganalisis kumpulan data yang besar, pertimbangkan untuk membuat plot dengan lebih sedikit titik data atau mengumpulkan data sebelum merencanakan.

• Manajemen Sumber Daya : Saat berhadapan dengan set data besar atau banyak permintaan API, pantau sistem Anda dan penggunaan API untuk menghindari kelebihan beban.

• Kontrol Versi : Perbarui ketergantungan Anda secara teratur. API keuangan dan perpustakaan penanganan data berkembang, dan terus memperbarui dapat meningkatkan keamanan, efisiensi, dan aksesibilitas fitur baru.

Mengutip proyek ini

Jika Anda menggunakan kode ini dalam penelitian Anda, silakan gunakan entri BIBTEX berikut.

 @misc { louisbrulenaudet2023 ,
	author = { Louis Brulé Naudet } ,
	title = { MANATEE(lm) : Market Analysis based on language model architectures } ,
	howpublished = { url{https://huggingface.co/spaces/louisbrulenaudet/manatee} } ,
	year = { 2024 }
}

Masukan

Jika Anda memiliki umpan balik, hubungi [email protected].